柱状图、折线图等图表常用于金融研报、学术论文等记录数据，但逆向拆解PDF、JPG/PNG格式图表为Excel等可编辑数据存在难点。如金融领域需解析上市公司年报、研报中的图表数据，文件多为PDF、图片格式，还不乏难批量处理的加密PDF；医学、工程等领域也有类似问题，尤其上世纪50-80年代的历史论文，常数据缺失、关键图表仅存低清扫描件。传统手动记录或尺子测量图表像素的方法，精准度无法保证，而准确提取图表数据对各领域研究分析至关重要。
图表识别要解决的，正是这些难题。目前，能将非矢量格式的图表解析为结构化数据的工具较为少见，且具有相当大的局限性。一方面，用户必须具备工程能力，另一方面，还需要拥有充分的计算资源，对非专业用户或少量解析需求而言成本过高。
为方便用户随时使用图表解析能力，TextIn文档解析上架新功能，通过线上参数配置即可调用，完成全文解析，无需对样本进行预先分割或其他预处理。
让我们来看几个例子：
对于有数值标注的图表，TextIn文档解析可以直接输出准确表格，将其转化为结构化数据，方便后续的数据入库、分析或输入大模型进行处理。
对于没有明确数值的复杂图表，TextIn接口也会通过精确测量给出预估数值，在仅有扫描件、图片文件的情况下，帮助挖掘更多有效数据信息，完成分析及预测工作。
近期，大模型出色的性能和推理能力引起了广泛关注，大量企业或调用API，或在本地部署模型，运用大模型提升业务与办公效率。在上文我们提到的场景中，精准解析+强大推理，能实现更优秀的AI应用。以上文中的图表为例。图表展示了全球工业机器人️销售额，我们向大模型上传文件，并提出问题。下方分别为直接上传PDF的回答和上传TextIn解析后的Markdown文件获得的答复。
可以看到，未经过解析的柱状图对大模型的理解造成了干扰，经过图表转化后，模型给出了准确、优质的答案。大模型的迅速迭代发展正在改变传统的行业模式，文档解析等大模型加速器与之相辅相成，创造了更多应用可能性。
Textin上线的新功能【图表识别】，可以智能解析图表属性Chart，并以Excel格式精准输出，帮助深度理解图表的结构、趋势和数据逻辑，让数据分析更高效，当前功能已支持饼图、折线图、柱状图、雷达图、散点图等多种图表类型。
参数配置方法：见下图。
